城市，作為人類文明的結(jié)晶，正以前所未有的速度在全球范圍內(nèi)擴張。人口增長、遷移浪潮以及經(jīng)濟發(fā)展的迫切需求，共同驅(qū)動著城市版圖的不斷外延。然而，這種快速的城市化進(jìn)程如同一把雙刃劍，在帶來繁榮的同時，也對可持續(xù)規(guī)劃提出了嚴(yán)峻挑戰(zhàn)。如何在經(jīng)濟活力、環(huán)境承載與社會公平之間取得微妙平衡，是擺在每一位城市規(guī)劃者面前的難題。精準(zhǔn)預(yù)測未來的城市形態(tài)，特別是土地利用方式的演變，成為了制定前瞻性、科學(xué)性政策的關(guān)鍵。傳統(tǒng)上，研究人員依賴元胞自動機(Cellular Automata, CA)、基于智能體的模型(Agent-Based Models, ABMs)等空間動態(tài)模型來模擬城市的生長與變化。盡管這些模型理論上能夠模擬精細(xì)尺度的動態(tài)，但在面對大規(guī)模現(xiàn)實城市系統(tǒng)時，常常囿于計算負(fù)荷、數(shù)據(jù)可及性以及校準(zhǔn)復(fù)雜度等實際問題，導(dǎo)致其實際應(yīng)用往往停留在較為粗糙的空間尺度上。更關(guān)鍵的是，這些模型嚴(yán)重依賴權(quán)威的土地利用數(shù)據(jù)集來定義轉(zhuǎn)換規(guī)則，而獲取這類數(shù)據(jù)并非易事。即便能夠獲取，為機器學(xué)習(xí)模型訓(xùn)練所需的大規(guī)模標(biāo)注數(shù)據(jù)集，其構(gòu)建過程也耗時耗力，成本高昂。

近年來，街景圖像(Street View Images, SVIs)的普及為從地面視角理解城市環(huán)境細(xì)節(jié)帶來了曙光。它們能夠捕捉建筑立面、商業(yè)標(biāo)識、街道設(shè)施等微觀元素，為感知建筑級別的土地利用分布提供了可能。然而，如何從海量、無標(biāo)簽的街景圖像中自動、準(zhǔn)確地解讀出城市功能，依然是一個巨大挑戰(zhàn)。此時，預(yù)訓(xùn)練視覺語言模型(Pre-trained Vision-Language Models, VLMs)的興起帶來了轉(zhuǎn)機。以CLIP(Contrastive Language–Image Pre-training)為代表的模型，通過在海量圖文對上預(yù)先訓(xùn)練，獲得了強大的零樣本圖像分類能力，即無需針對特定任務(wù)進(jìn)行標(biāo)注和模型再訓(xùn)練，就能對圖像內(nèi)容進(jìn)行理解和歸類。學(xué)者們進(jìn)一步開發(fā)了針對城市領(lǐng)域的提示框架UrbanCLIP，有效提升了從單張街景圖像中推斷細(xì)粒度土地利用類型的準(zhǔn)確性。這為我們獲取當(dāng)前城市高精度的功能地圖開辟了新路徑。但現(xiàn)有研究大多停留在靜態(tài)的圖像分類或場景理解，如何將這些詳盡的現(xiàn)狀信息融入到動態(tài)的未來城市模擬中，仍是一片待開墾的沃土。與此同時，城市增長受到人口密度、交通可達(dá)性、社會經(jīng)濟因素、環(huán)境約束和區(qū)劃政策等多重驅(qū)動力的復(fù)雜影響，傳統(tǒng)模型往往難以在精細(xì)空間尺度上充分捕捉這些多維度的相互作用。

鑒于此，一項發(fā)表于《Computers, Environment and Urban Systems》的研究提出了一種新穎的方法論，旨在彌合這一空白。該研究由東南大學(xué)建筑學(xué)院的Zipan Cai、Andrew Karvonen、Cong Cong和Weiming Huang（黃偉明）合作完成。他們創(chuàng)造性地將預(yù)訓(xùn)練視覺語言模型的零樣本推理能力與機器學(xué)習(xí)的空間動態(tài)建模框架相結(jié)合，以中國深圳為案例，預(yù)測了至2035年的細(xì)粒度城市土地利用變化。這項研究不僅顯著提升了城市模擬的精度與粒度，也為應(yīng)對傳統(tǒng)數(shù)據(jù)約束、賦能科學(xué)城市規(guī)劃決策提供了強有力的新工具。

為開展這項研究，作者團隊運用了幾個關(guān)鍵的技術(shù)方法。首先，他們在中國深圳全市范圍內(nèi)以約100米間隔采集了超過22.6萬張街景圖像，構(gòu)建了空間密集的影像數(shù)據(jù)集。其次，核心創(chuàng)新在于應(yīng)用了專門化的視覺語言提示框架UrbanCLIP，對收集的街景圖像進(jìn)行零樣本推理，直接識別出八種主要的城市土地利用類型，生成了~50米分辨率的精細(xì)化城市功能地圖。最后，他們將這些高分辨率圖譜輸入到一個由多項式回歸增強的空間動態(tài)模型中。該模型整合了核密度估計、基于重力模型的吸引力計算以及考慮社會經(jīng)濟和政策因素的回歸分析，用以模擬城市在鄰里影響、增長驅(qū)動和政策約束下的未來演變。整個研究流程確保了從數(shù)據(jù)獲取、現(xiàn)狀解析到未來預(yù)測的完整閉環(huán)。

通過UrbanCLIP對街景圖像的分析，研究成功繪制了深圳全市八類城市土地利用的細(xì)空間分布圖。這八類包括：居住、商業(yè)、工業(yè)、教育、醫(yī)療、市政與政府、戶外與自然、體育與休閑。結(jié)果顯示，居住區(qū)在城郊區(qū)域占主導(dǎo)，并與商業(yè)中心交織，體現(xiàn)了混合開發(fā)的特點。商業(yè)區(qū)顯著聚集在主要交通走廊和城市中心，符合公交導(dǎo)向的發(fā)展戰(zhàn)略。工業(yè)區(qū)則集中在城市外圍，與旨在減少與居住、休閑區(qū)域沖突的戰(zhàn)略性區(qū)劃政策相一致。通過對圖中局部區(qū)域的放大觀察，可以更深入地洞察土地利用模式。例如，中心城區(qū)顯示出密集的居住與商業(yè)集群；而城市邊緣區(qū)域則呈現(xiàn)出工業(yè)與戶外空間的混合，展示了城市在經(jīng)濟發(fā)展與環(huán)境保護(hù)間的戰(zhàn)略平衡。這些精細(xì)圖譜為后續(xù)的空間動態(tài)建模提供了實證基礎(chǔ)。

研究建立的空間動態(tài)建模框架有效地模擬了深圳未來的土地利用變化。多項式回歸分析評估了人口吸引力、可達(dá)性等因素對土地利用轉(zhuǎn)換的相對貢獻(xiàn)。分析表明，人口吸引力是所有模型中最強的預(yù)測因子，凸顯了其在驅(qū)動城市變化中的核心作用。通過引入高階項，模型捕捉了復(fù)雜的非線性動態(tài)，擬合優(yōu)度顯著提升。研究還可視化展示了深圳全市的城市變化概率和各類城市功能的吸引力空間分布。結(jié)果顯示，深圳中心區(qū)（如福田、羅湖）表現(xiàn)出最高的變化概率，這源于密集的人口集群、成熟的商業(yè)區(qū)和強大的交通網(wǎng)絡(luò)。外圍區(qū)域則因功能強度和基礎(chǔ)設(shè)施連接性較弱而顯示出較低的變化概率。各類功能的吸引力圖進(jìn)一步揭示了驅(qū)動深圳城市化的動力學(xué)：居住區(qū)在具有高公共交通可達(dá)性的城郊區(qū)域形成強集群；商業(yè)區(qū)沿深南大道等關(guān)鍵交通走廊集中；工業(yè)區(qū)在城市外圍表現(xiàn)出高吸引力，反映了平衡經(jīng)濟發(fā)展與中心城區(qū)宜居性的區(qū)劃政策。

嶺回歸分析確定了影響城市轉(zhuǎn)換概率的關(guān)鍵特征及其重要性。人口密度是主導(dǎo)因素，交通可達(dá)性（包括臨近交通樞紐和道路網(wǎng)絡(luò)）位列第二，這反映了深圳對公交導(dǎo)向發(fā)展的重視。居住集群進(jìn)一步支持了城市轉(zhuǎn)換，充當(dāng)了鄰里發(fā)展的錨點。教育與醫(yī)療設(shè)施雖然對城市宜居性至關(guān)重要，但其直接影響相對較低。特征相關(guān)性矩陣揭示了城市變量間的復(fù)雜關(guān)系，例如人口與居住特征呈強正相關(guān)，交通可達(dá)性與商業(yè)特征相關(guān)性高。混淆矩陣、ROC曲線和精確率-召回率曲線等指標(biāo)驗證了模型的預(yù)測能力。最終，模型預(yù)測了至2035年深圳城市肌理的空間分布。投影顯示，深圳中部和南部地區(qū)將成為主要增長中心。福田、羅湖等中心商務(wù)區(qū)預(yù)計將有進(jìn)一步的商業(yè)開發(fā)；南山區(qū)則呈現(xiàn)出居住、商業(yè)和休閑功能更均衡的分布；北部的寶安區(qū)等區(qū)域則顯示出以居住集群和融合自然空間為特點的郊區(qū)擴張。這些模式共同勾勒出深圳戰(zhàn)略性城市增長的圖景：中心區(qū)以混合開發(fā)為主，郊區(qū)則在居住與綠色空間之間保持平衡。

本研究的核心貢獻(xiàn)在于成功整合了預(yù)訓(xùn)練視覺語言模型與空間動態(tài)建模，為細(xì)粒度城市土地利用模擬開辟了新范式。通過UrbanCLIP框架，研究實現(xiàn)了無需人工標(biāo)注數(shù)據(jù)集的街景圖像城市功能零樣本推理，這在深圳這類快速演變的城市語境中價值尤為突出。在約50米的空間分辨率下，生成的地圖揭示了功能集群的精細(xì)模式，與深圳規(guī)劃中的動態(tài)發(fā)展軌跡高度吻合。

將這種豐富的高分辨率功能圖層嵌入機器學(xué)習(xí)增強的空間動態(tài)模型后，研究成功捕捉了人口密度、可達(dá)性、形態(tài)吸引力及政策約束之間復(fù)雜的非線性相互作用。驗證結(jié)果表明，模型在識別高概率轉(zhuǎn)換區(qū)域方面表現(xiàn)出色。與僅使用人口核密度和道路可達(dá)性的基線模型相比，融合街景語義信息的完整模型在區(qū)分度、精確率和校準(zhǔn)度上均有顯著提升。這量化了引入街景層面功能信號對提升預(yù)測性能的邊際價值。

這項研究的方法論進(jìn)步具有深遠(yuǎn)的現(xiàn)實意義。它為城市規(guī)劃者提供了前所未有的細(xì)節(jié)來檢測城市功能的細(xì)微變化，并以更高的精度預(yù)測城市發(fā)展。所生成的2035年深圳高分辨率土地利用投影，能夠識別出需要平衡增長、進(jìn)行針對性基礎(chǔ)設(shè)施投資和生態(tài)保護(hù)的區(qū)域，為可持續(xù)發(fā)展提供了切實可行的見解。通過與《深圳市城市總體規(guī)劃（2035）》中設(shè)定的關(guān)鍵指標(biāo)（如生態(tài)保護(hù)、控制城市擴張、增強基礎(chǔ)設(shè)施）對齊，該模擬確保了預(yù)測與戰(zhàn)略性規(guī)劃框架的一致性，從而為知情的城市治理和決策提供了有力支持。最終，這項研究通過融合前沿的機器學(xué)習(xí)技術(shù)與空間動態(tài)模型，解決了預(yù)測性城市規(guī)劃中的一些長期挑戰(zhàn)，提升了規(guī)劃評估的細(xì)節(jié)和準(zhǔn)確性，助力于推動可持續(xù)的城市轉(zhuǎn)型。